仿生学 编辑
仿生学是模仿生物的特殊本领的一门科学。仿生学通过了解生物的结构和功能原理，来研制新的机械和新技术，或解决机械技术的难题。1958年8月由美国的J.E.Steele首先提出。
1
相关
人工神经网络，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种仿生学生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具，神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。
扑翼机是通过像鸟类和昆虫一样上下扑动自身翅膀而升空飞行的航空器，又称振翼机。作为一种仿生学的机械，扑翼机以机翼同时产生升力和推进力。但也因升力和推进力由同一部件产生，涉及的工程力学和空气动力学问题非常复杂，其规律尚未被人类完全掌握。有实用价值的扑翼机至今尚未脱离研制阶段，微型航空器是扑翼机最有可能实用化的领域。
人工神经网络，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种仿生学生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具，神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。
人工神经网络，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种仿生学生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具，神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。
摇篮到摇篮设计也称为摇篮到摇篮、C2C、cradle 2 cradle是产品及系统设计上仿生学的途径，将人类的产业视为一种自然界的程序，将材料视为是在健康、安全的代谢中循环的养份。这个词是相对于另一个流行短语“从摇篮到坟墓”的概念，传统工业生产从开采加工使用后，就被丢弃成为垃圾，是个摇篮到坟墓的过程；摇篮到摇篮设计则视产品材料为养分，从设计之初就设想如何完全循环回制造端，因此称为摇篮到摇篮。
扑翼机是通过像鸟类和昆虫一样上下扑动自身翅膀而升空飞行的航空器，又称振翼机。作为一种仿生学的机械，扑翼机以机翼同时产生升力和推进力。但也因升力和推进力由同一部件产生，涉及的工程力学和空气动力学问题非常复杂，其规律尚未被人类完全掌握。有实用价值的扑翼机至今尚未脱离研制阶段，微型航空器是扑翼机最有可能实用化的领域。
摇篮到摇篮设计也称为摇篮到摇篮、C2C、cradle 2 cradle是产品及系统设计上仿生学的途径，将人类的产业视为一种自然界的程序，将材料视为是在健康、安全的代谢中循环的养份。这个词是相对于另一个流行短语“从摇篮到坟墓”的概念，传统工业生产从开采加工使用后，就被丢弃成为垃圾，是个摇篮到坟墓的过程；摇篮到摇篮设计则视产品材料为养分，从设计之初就设想如何完全循环回制造端，因此称为摇篮到摇篮。
扑翼机是通过像鸟类和昆虫一样上下扑动自身翅膀而升空飞行的航空器，又称振翼机。作为一种仿生学的机械，扑翼机以机翼同时产生升力和推进力。但也因升力和推进力由同一部件产生，涉及的工程力学和空气动力学问题非常复杂，其规律尚未被人类完全掌握。有实用价值的扑翼机至今尚未脱离研制阶段，微型航空器是扑翼机最有可能实用化的领域。
任露泉，中国仿生学与工程学家。吉林大学教授。生于江苏铜山，原籍江苏铜山。1967年毕业于吉林大学，1981年在吉林工业大学获工学硕士学位。现任吉林大学学术委员会副主任。2007年当选中国科学院院士。
人工神经网络，简称神经网络或类神经网络，在机器学习和认知科学领域，是一种仿生学生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具，神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。